단일 AI 에이전트 세션의 한계를 극복하기 위해 다중 에이전트(Multi-Agent) 시스템을 구축할 때 가장 빈번하게 직면하는 장애물은 **“기억의 파편화”**입니다. 에이전트들이 개별적으로 대화를 수행하면서 똑같은 문서를 중복 분석하거나, 동일한 코드 구조와 가이드를 매번 처음부터 다시 학습하는 문제가 대표적입니다.
텐센트(Tencent)가 오픈소스로 공개한 **TencentDB-Agent-Memory (Team Memory 2.0)**는 대화, 문서, 코드를 4가지 재사용 가능한 팀 수준의 메모리 자산으로 정제하여 여러 에이전트가 공유할 수 있도록 해주는 데이터베이스 기반 메모리 허브입니다.
Sources
1. 개별 에이전트 기억의 한계와 Team Memory 2.0
기존 에이전트 기억 구조는 개별 챗 세션(Single Session)에 갇혀 있었습니다. 에이전트가 획득한 프로젝트 지식이나 실패 레슨이 다른 에이전트에게 전파되지 않아, 에이전트 수가 늘어날수록 유효 토큰 비용이 급증하고 작업 일관성이 저하되었습니다.
TencentDB-Agent-Memory는 데이터베이스 기술 노하우를 바탕으로 팀 단위 중앙 메모리 허브를 구현하여 에이전트들이 실시간으로 이전 작업의 맥락과 학습된 역량을 공유할 수 있게 지원합니다.
2. 4대 핵심 재사용 메모리 자산 (4 Memory Assets)
TencentDB-Agent-Memory는 파편화된 정보를 다음 4가지 구조화된 자산으로 분류 및 인덱싱합니다:
- Chat Memory (대화 메모리)
- 세션 간 대화 이력과 상태를 실시간 저장 및 인덱싱하여 멀티턴 맥락을 유지합니다.
- Skill (학습된 스킬)
- 에이전트가 성공적으로 수행한 업무 절차, 툴 사용 방식 및 문제 해결 패턴을 정형화된 스킬 자산으로 축적합니다.
- LLM-Wiki (도메인 지식 베이스)
- 비구조화된 문서, 사내 위키, 도메인 가이드를 통합 정리하여 모든 에이전트가 즉각 참조할 수 있도록 쿼리 가능한 형태로 제공합니다.
- Code-Graph (코드 구조 그래프)
- 코드베이스의 모듈 간 의존성과 클래스/함수 그래프 구조를 추출·저장하여 코딩 에이전트들이 코드맥락을 정확히 파악하도록 지원합니다.
3. 35%~61% 토큰 절감 효과
긴 대화나 대규모 프로젝트 진행 시 오래된 컨텍스트와 불필요한 반복 데이터를 인텔리전트 압축 알고리즘으로 정제하여 토큰 사용량을 최대 61%까지 감소시킵니다.
컨텍스트 윈도우 한도 초과 문제를 해결하면서도 답변 및 코드 작성 정확도는 높게 유지합니다.
4. 다양한 에이전트 및 프레임워크 연동
- 지원 에이전트: Claude Code, OpenClaw, Hermes, CodeBuddy 등 주요 자율 코딩 및 보조 에이전트 툴 지원
- 확장성: 1인 개발자의 개인 데이터베이스 메모리 스토리지부터 대기업 단위 에이전트 클러스터 데이터베이스 인프라까지 스케일아웃 지원
에이전트가 독립적인 단순 호출 단계를 넘어 팀 단위로 지식과 기억을 공유하며 일하기 위한 필수 인프라 툴로서의 가치가 높습니다.